06
2025
或許，一場關于“誰定義標準”的暗戰(zhàn)已然打響。
盡管AI+制造仍面臨挑戰(zhàn)，但智能體的發(fā)展正加速工業(yè)場景應用。Manus等智能體通過RPA+AI實現自動化流程，而DeepSeek等小模型降低本地化部署成本，使工業(yè)AI門檻大幅下降。微軟與西門子合作的Industrial Copilot等案例證明，智能體已能安全集成至生檢索增強生成（RAG）因其高效整合行業(yè)數據與大模型的能力，成為工業(yè)AI主流方案。
亞馬遜云科技指出，RAG無需大量標注數據，通過向量化知識庫優(yōu)化輸出，但需構建專用數據平臺支撐文本、圖像等多模態(tài)處理。國內廠商如卡奧斯、創(chuàng)新奇智已基于大模型搭建工業(yè)AI平臺，推動家電、半導體等領域的智能化升級。
諾亞鴻云憑借10年制造業(yè)數智化經驗，推出曉軟AI低代碼開發(fā)平臺，集成ChatGPT、Teams、Copilot等微軟生態(tài)工具，并接入DeepSeek等大模型，降低AI應用開發(fā)門檻。該平臺封裝了從研發(fā)到質量的AI能力，提供工藝優(yōu)化、決策閉環(huán)的智能工廠方案，已成功應用于泛半導體和新能源行業(yè)，如融捷股份項目。
從海爾卡奧斯到創(chuàng)新奇智，國內服務商正積極構建垂直行業(yè)AI平臺。諾亞鴻云的實踐表明，結合低代碼開發(fā)與大模型能力，可快速落地可審計、可干預的智能體解決方案。隨著技術迭代，工業(yè)AI正從單點應用向全流程智能化演進，推動制造業(yè)真正邁向“AI+制造”時代。
大模型成本降低以及智能體有效訓練和應用路徑，顯示AI2.0已然來臨。AI+制造非常具體，需要落到場景中，在工業(yè)領域具體場景的落地就成為廠商非常關鍵的點。
真正決定大模型價值的，是其在特定工業(yè)場景下所能實現的功能和應用，而非僅僅擁有一個本地化的大模型。在工業(yè)應用中，企業(yè)選擇接入哪種大模型，是否能本地化部署，并非核心差異。真正的關鍵在于場景理解、模型架構創(chuàng)新和算法、硬件層面。
在AI 2.0從效率提升轉向價值創(chuàng)造的關鍵階段，價值穿透力成為核心，要求技術與場景深度結合。當前大模型落地工業(yè)領域主要有兩種路徑：微調蒸餾依賴高質量行業(yè)數據且泛化性受限，而增強型RAG通過知識圖譜與確定性模型（如R1）結合，更高效賦能研發(fā)、質控、工藝優(yōu)化等環(huán)節(jié)。
諾亞鴻云的曉軟AI低代碼平臺正是采用RAG路線，集成微軟生態(tài)與DeepSeek、百度文心等大模型，快速適配工業(yè)場景需求，為PCB、泛半導體、新能源等行業(yè)提供從研發(fā)到質量的全鏈路智能工廠方案，實現AI價值的精準穿透。
為了幫助企業(yè)快速從AI中“聚焦專用場景，獲得確定性價值”，諾亞鴻云曉軟工業(yè)AI平臺通過知識圖譜+RAG+RPA 技術閉環(huán)，將工藝知識庫、設備參數等專有數據轉化為可解釋的推理鏈條 ，實現透明化智能決策，并與PLM、ERP等業(yè)務系統(tǒng)深度耦合，避免黑箱風險。針對制造業(yè)復雜場景（如車載顯示屏需求的多格式、差異化處理），平臺構建專用知識庫+規(guī)則引擎 ，使AI不僅能理解需求，還能判斷可行性并自動生成最優(yōu)方案（如整合ERP、SRM、PLM數據智能報價）。最終通過 RPA自動化執(zhí)行 ，形成從工藝優(yōu)化到決策閉環(huán)的全鏈路智能工廠方案 ，確保AI價值精準穿透業(yè)務全流程。
專用知識庫驅動的智能體部署。曉軟工業(yè)AI平臺通過構建專用知識庫整合MES、QMS、不良圖片等多源數據，訓練出可部署在邊緣端 AI Edge BOX 的專用質量智能體，實現工藝自優(yōu)化與缺陷根因追溯；同時將SQE能力前置至IQC環(huán)節(jié)，通過多因子關聯分析（如SMT參數與質量Matrix運算）實現智能免檢判定 ，顯著降低人工成本。目前平臺已深度應用于泛半導體與新能源產業(yè)鏈 ，覆蓋從銅箔、鋰電隔膜到PCB/SMT貼裝、電池產品的全鏈條場景，形成鋰電/PCB行業(yè) "材料-工藝-產品" 的閉環(huán)AI解決方案。
曉軟工業(yè)AI平臺創(chuàng)新推出 "8D ChatGPT" 質量管控方案，通過多模態(tài)模型與AI Search技術將8D方法論代碼化，構建四大核心模塊：流程自動化引擎（降低人工干預30%+）、智能根因分析（歷史故障庫支撐零復現）、動態(tài)知識中樞（整合18類數據源）、自優(yōu)化報告系統(tǒng)（雙軌結構化輸出）。在電子制造領域實現顯著成效：故障定位準確率提升（如識別"插座殘留物致檢測失效"）、問題復發(fā)率降至0.2%、跨部門協(xié)同效率提升32.6%、改進周期縮短43%。平臺進一步向 研發(fā)場景延伸，從客戶RFQ需求預測到產品結構/工藝設計優(yōu)化，持續(xù)探索智能體驅動的 研發(fā)-生產協(xié)同 創(chuàng)新路徑。
諾亞鴻云CEO徐英指出，AI+制造的核心在于行業(yè)知識庫的積累，這將成為服務商與BTAH競爭的關鍵分水嶺。與互聯網模式不同，工業(yè)AI需要深度融合行業(yè)協(xié)會、企業(yè)及產學研數據，構建行業(yè)通識智能體。"若服務商能率先完成知識庫建設并驗證價值，既能搶占市場窗口，也可能成為央國企并購標的；反之則可能淪為生態(tài)配角。"她強調，服務商的優(yōu)勢在于提供數據知識服務而非單純解決方案，通過Manus類智能體的行業(yè)下沉版本實現快速商業(yè)化。
基于行業(yè)知識庫的競爭邏輯，諾亞鴻云將聚焦：
確定性AI：以RAG+確定性模型+RPA打造垂直場景方案，解決LLM幻覺與黑箱問題；
智能設計范式：通過知識圖譜與物理規(guī)則約束，實現從需求原型到工藝落地的全流程優(yōu)化；
三大業(yè)務矩陣：AI+管理數字化（整合M365/飛書）、AI+智能決策（MOC運營中心）、Data GPT（OT/IT數據融合）；
輕咨詢+POC：在PCB、半導體等成熟領域，通過小步驗證降低AI導入風險。目前其邊緣計算技術已突破輕量化模型部署難題。
"工業(yè)AI沒有風口，只有長征。"2025年將是檢驗企業(yè)戰(zhàn)略定力的關鍵節(jié)點，唯有持續(xù)聚焦場景、沉淀知識的玩家，才能定義智能體時代的游戲規(guī)則。
立即聯系專家團隊，為您定制解決方案